arXiv · ML· Sathwik Karnik, Juyeop Kim, Sanmi Koyejo, Jong-Seok Lee, Somil Bansal·· 7 天前AI 评分26
规避图像扩散模型记忆:基于可达性约束强化学习的 RADS 框架
Steering Away from Memorization: Reachability-Constrained Reinforcement Learning for Text-to-Image Diffusion
AI 导读
研究提出 RADS 框架,通过采样时控制缓解文生图扩散模型的记忆现象,保持生成保真度。 该框架将去噪视为动力系统,利用策略条件可达性值函数估计记忆风险,通过约束强化学习在嵌入空间扰动轨迹。 实验表明 RADS 在多样性(SSCD)、质量(FID)和对齐(CLIP)上达到优于最先进推理时基线的帕累托前沿。
来源:arXiv · ML · arxiv.org